{"id":"informatyka-2015-maj-matura-rozszerzona/zad/5.1","paper_id":"informatyka-2015-maj-matura-rozszerzona","number":"5.1","points":5,"ptype":"open","subject":"informatyka","category":"matura","year":2015,"month":"maj","level":"rozszerzona","text":"Zadanie 5. Demografia\n\nW kolejnych wierszach pliku kraina.txt znajdują się dane demograficzne Edulandii, która składa się z 50 województw. Każde z województw znajduje się w jednym z 4 regionów: A, B, C lub D. Każdy wiersz zawiera oddzielone średnikami informacje o jednym województwie: nazwa, liczba kobiet 2013, liczba mężczyzn 2013, liczba kobiet 2014, liczba mężczyzn 2014.\n\nPrzykład:\nw01D;1415007;1397195;1499070;1481105\nw02D;1711390;1641773;1522030;1618733\nw03C;1165105;1278732;1299953;1191621\nw04D;949065;1026050;688027;723233\n\nNazwa zaczyna się literą „w”, dwucyfrowy numer, litera A/B/C/D (region).\n\nWyznacz ludność (liczbę wszystkich mieszkańców) każdego z regionów A, B, C i D w roku 2013. Następnie sporządź wykres kolumnowy porównujący ludności tych regionów w roku 2013. Zadbaj o czytelność wykresu.","answer":null,"answer_text":null,"solution":"## Poprawna odpowiedź\n\n| Region | Ludność 2013 |\n| A | **33 929 579** |\n| B | **41 736 619** |\n| C | **57 649 017** |\n| D | **36 530 387** |\n\n**Wykres kolumnowy** porównujący ludności regionów A, B, C, D w 2013 z opisem osi (Region / Ludność w mln) i legendą.\n\n## Sposób 1 - Python (pandas + matplotlib)\n\n```python\nimport pandas as pd\nimport matplotlib.pyplot as plt\n\n# Wczytanie pliku\ndf = pd.read_csv('kraina.txt', sep=';', header=None,\nnames=['nazwa', 'k2013', 'm2013', 'k2014', 'm2014'])\n\n# Wyodrębnij region z nazwy (ostatni znak)\ndf['region'] = df['nazwa'].str[-1]\n# Ludność województwa 2013 = kobiety + mężczyźni\ndf['lud_2013'] = df['k2013'] + df['m2013']\n\n# Sumuj po regionach\nludnosc = df.groupby('region')['lud_2013'].sum()\nprint(ludnosc)\n# A 33929579\n# B 41736619\n# C 57649017\n# D 36530387\n\n# Wykres kolumnowy\nfig, ax = plt.subplots(figsize=(8, 5))\nludnosc.plot(kind='bar', ax=ax, color=['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728'])\nax.set_title('Ludność regionów Edulandii w 2013 roku')\nax.set_xlabel('Region')\nax.set_ylabel('Ludność')\nax.grid(axis='y', linestyle='--', alpha=0.7)\nfor i, v in enumerate(ludnosc):\nax.text(i, v + 500000, f'{v:,}', ha='center', fontsize=10)\nplt.tight_layout()\nplt.savefig('wykres_5_1.png', dpi=150)\nplt.show()\n\n## Sposób 2 - arkusz kalkulacyjny (Excel/LibreOffice Calc)\n\n**Krok 1: Wczytanie pliku**\n- Dane → Z tekstu/CSV → wybierz separator średnik (;).\n- Kolumny: A=nazwa, B=k2013, C=m2013, D=k2014, E=m2014.\n\n**Krok 2: Wyodrębnienie regionu i obliczenie ludności**\n- Kolumna F (region): `=PRAWY(A2; 1)` (ostatni znak nazwy).\n- Kolumna G (ludność 2013): `=B2+C2` (kobiety + mężczyźni).\n\n**Krok 3: Suma po regionie**\n- Komórki I2:I5 (regiony A, B, C, D).\n- J2: `=SUMA.JEŻELI(F2:F51; I2; G2:G51)` → 33929579 dla A.\n- Skopiuj J2:J5.\n\n**Krok 4: Wykres**\n- Zaznacz I1:J5 → Wstaw → Wykres kolumnowy.\n- Tytuł: \"Ludność regionów Edulandii (2013)\".\n- Etykiety osi: Region / Ludność.\n\n## Reference informatyczny - agregacja i wykres\n\n> Reference - Group by + aggregation:\n> - **Pandas**: `df.groupby(kolumna)[wartosc].sum()`.\n> - **Excel**: `SUMA.JEŻELI(zakres_kryteriów; kryterium; zakres_sumy)`.\n> - **SQL**: `SELECT region, SUM(ludnosc) FROM tabela GROUP BY region`.\n> - **Matplotlib bar plot**: `plt.bar(x, y)` lub `pd.Series.plot(kind='bar')`.\n> - **Wymagania CKE wykres**: tytuł, opis osi (xlabel, ylabel), legenda (jeśli > 1 seria), wartości na słupkach (czytelność).\n\n## Schemat oceniania CKE\n\n> Klucz CKE (zadanie 5.1, max 5 pkt):\n> - **5 pkt** - poprawne liczby ORAZ poprawny wykres z opisem osi/legendą\n> - **4 pkt** - poprawne liczby ORAZ wykres bez opisu\n> - **3 pkt** - błędne liczby ALE poprawny wykres z opisem\n> - **2 pkt** - poprawne liczby i błędny wykres, ALBO błędne liczby i wykres bez opisu\n> - **0 pkt** - niepełna lub błędna albo brak. Nie przyznaje się 1 pkt.\n\n## Typowe pułapki\n\n- **Wyodrębnienie regionu**: nazwa typu `w01D` ma region jako 4. znak. `PRAWY(A2; 1)` lub `MID(A2; 4; 1)`.\n- **Sumowanie tylko kobiet ALBO tylko mężczyzn** zamiast obu - kluczowe sumowanie obu.\n- **Pomyłka roku**: użycie kolumn 2014 zamiast 2013.\n- **Wykres bez opisu**: traci punkty (kolejne 1 pkt).\n- **Pomylenie liczby województw w regionach** - nie wszystkie regiony mają tyle samo województw.\n- **Pominięcie nagłówka pliku** - sprawdź czy `kraina.txt` ma wiersz nagłówkowy.\n\n## Złożoność obliczeniowa\n\n- Wczytanie + agregacja: O(N), gdzie N = 50 województw.\n- Stworzenie wykresu: O(R), gdzie R = 4 regiony.\n- **Całkowita: O(N)** (bardzo szybkie).","image":null,"solution_image":null,"topics":null,"page_from":null,"source":"maturazai","answer_source":null,"answer_text_source":null,"solution_source":"maturazai","text_source":"maturazai","source_label":"Informatyka · Matura · maj 2015 (rozszerzona)","subject_label":"Informatyka","category_label":"Matura","text_html":"

Zadanie 5. Demografia

\n

W kolejnych wierszach pliku kraina.txt znajdują się dane demograficzne Edulandii, która składa się z 50 województw. Każde z województw znajduje się w jednym z 4 regionów: A, B, C lub D. Każdy wiersz zawiera oddzielone średnikami informacje o jednym województwie: nazwa, liczba kobiet 2013, liczba mężczyzn 2013, liczba kobiet 2014, liczba mężczyzn 2014.

\n

Przykład:
w01D;1415007;1397195;1499070;1481105
w02D;1711390;1641773;1522030;1618733
w03C;1165105;1278732;1299953;1191621
w04D;949065;1026050;688027;723233

\n

Nazwa zaczyna się literą „w”, dwucyfrowy numer, litera A/B/C/D (region).

\n

Wyznacz ludność (liczbę wszystkich mieszkańców) każdego z regionów A, B, C i D w roku 2013. Następnie sporządź wykres kolumnowy porównujący ludności tych regionów w roku 2013. Zadbaj o czytelność wykresu.

","solutions":[{"source":"maturazai","label":"maturazai.pl (AI)","kind":"text","html":"

Poprawna odpowiedź

\n

| Region | Ludność 2013 |
| A | 33 929 579 |
| B | 41 736 619 |
| C | 57 649 017 |
| D | 36 530 387 |

\n

Wykres kolumnowy porównujący ludności regionów A, B, C, D w 2013 z opisem osi (Region / Ludność w mln) i legendą.

\n

Sposób 1 - Python (pandas + matplotlib)

\n

```python
import pandas as pd
import matplotlib.pyplot as plt

\n

Wczytanie pliku

\n

df = pd.read_csv('kraina.txt', sep=';', header=None,
names=['nazwa', 'k2013', 'm2013', 'k2014', 'm2014'])

\n

Wyodrębnij region z nazwy (ostatni znak)

\n

df['region'] = df['nazwa'].str[-1]

\n

Ludność województwa 2013 = kobiety + mężczyźni

\n

df['lud_2013'] = df['k2013'] + df['m2013']

\n

Sumuj po regionach

\n

ludnosc = df.groupby('region')['lud_2013'].sum()
print(ludnosc)

\n

A 33929579

\n

B 41736619

\n

C 57649017

\n

D 36530387

\n

Wykres kolumnowy

\n

fig, ax = plt.subplots(figsize=(8, 5))
ludnosc.plot(kind='bar', ax=ax, color=['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728'])
ax.set_title('Ludność regionów Edulandii w 2013 roku')
ax.set_xlabel('Region')
ax.set_ylabel('Ludność')
ax.grid(axis='y', linestyle='--', alpha=0.7)
for i, v in enumerate(ludnosc):
ax.text(i, v + 500000, f'{v:,}', ha='center', fontsize=10)
plt.tight_layout()
plt.savefig('wykres_5_1.png', dpi=150)
plt.show()

\n

Sposób 2 - arkusz kalkulacyjny (Excel/LibreOffice Calc)

\n

Krok 1: Wczytanie pliku

\n\n

Krok 2: Wyodrębnienie regionu i obliczenie ludności

\n\n

Krok 3: Suma po regionie

\n\n

Krok 4: Wykres

\n\n

Reference informatyczny - agregacja i wykres

\n
Reference - Group by + aggregation:
- Pandas: df.groupby(kolumna)[wartosc].sum().
- Excel: SUMA.JEŻELI(zakres_kryteriów; kryterium; zakres_sumy).
- SQL: SELECT region, SUM(ludnosc) FROM tabela GROUP BY region.
- Matplotlib bar plot: plt.bar(x, y) lub pd.Series.plot(kind='bar').
- Wymagania CKE wykres: tytuł, opis osi (xlabel, ylabel), legenda (jeśli > 1 seria), wartości na słupkach (czytelność).
\n

Schemat oceniania CKE

\n
Klucz CKE (zadanie 5.1, max 5 pkt):
- 5 pkt - poprawne liczby ORAZ poprawny wykres z opisem osi/legendą
- 4 pkt - poprawne liczby ORAZ wykres bez opisu
- 3 pkt - błędne liczby ALE poprawny wykres z opisem
- 2 pkt - poprawne liczby i błędny wykres, ALBO błędne liczby i wykres bez opisu
- 0 pkt - niepełna lub błędna albo brak. Nie przyznaje się 1 pkt.
\n

Typowe pułapki

\n\n

Złożoność obliczeniowa

\n"}]}